MétaCan
Menu
Retour à la cohorte
Enregistrement W1968585599 · doi:10.1063/1.4803507

Coarse-grain simulations of active molecular machines in lipid bilayers

2013· article· en· W1968585599 sur OpenAlexaff
Mu‐Jie Huang, Raymond Kapral, Alexander S. Mikhailov, Hsuan‐Yi Chen

Notice bibliographique

RevueThe Journal of Chemical Physics · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueLipid Membrane Structure and Behavior
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMolecular dynamicsLipid bilayerMembraneChemical physicsChemistryBilayerActive layerBiophysicsBiological systemCrystallographyComputational chemistryPhysical chemistryBiologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

A coarse-grain method for simulations of the dynamics of active protein inclusions in lipid bilayers is described. It combines the previously proposed hybrid simulations of bilayers [M.-J. Huang, R. Kapral, A. S. Mikhailov, and H.-Y. Chen, J. Chem. Phys. 137, 055101 (2012)], based on molecular dynamics for the lipids and multi-particle collision dynamics for the solvent, with an elastic-network description of active proteins. The method is implemented for a model molecular machine which performs active conformational motions induced by ligand binding and its release after reaction. The situation characteristic for peripheral membrane proteins is considered. Statistical investigations of the effects of single active or passive inclusions on the shape of the membrane are carried out. The results show that the peripheral machine produces asymmetric perturbations of the thickness of two leaflets of the membrane. It also produces a local saddle in the midplane height of the bilayer. Analysis of the power spectrum of the fluctuations of the membrane midplane shows that the conformational motion of the machine perturbs these membrane fluctuations. The hydrodynamic lipid flows induced by cyclic conformational changes in the machine are analyzed. It is shown that such flows are long-ranged and should provide an additional important mechanism for interactions between active inclusions in biological membranes.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,008
Tête enseignante GPT0,253
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Chemical PhysicsMême sujetLipid Membrane Structure and BehaviorTravaux en français237 207